MInD 是一個基於 Python 的記憶框架，旨在為由 LLM 驅動的 AI 代理提供強大的記憶能力。它可以捕捉用戶輸入和系統事件作為事件日誌，將這些日誌濃縮為語義摘要，並根據需求檢索相關記憶。通過可配置的保留策略、相似度搜尋與自動摘要，MInD 維持一個持久的知識庫，供代理在推理時查詢。這確保它們能準確回憶先前的互動、根據歷史調整回應，並在多個會話中提供個性化且連貫的對話。

Multi-Agents 提供一個結構化環境，不同的 AI 代理——如規劃者、執行者和批評者——協同解決多步驟任務。規劃者負責將高層目標拆解為子任務，執行者透過與外部 API 或工具互動來完成每一步，批評者則檢查結果的準確性與一致性。記憶模組允許代理在多次互動中存儲上下文，訊息系統則確保溝通無縫。此框架可擴充，使用者可加入自定義角色、整合專有工具或換用 LLM 後端以符合特殊應用需求。

Julep AI Responses 是一個以 Node.js SDK 和雲端平台提供的人工智慧代理框架。開發者初始化一個 Agent 物件，定義 onMessage 處理器來產生客製回應，管理會話狀態以實現情境感知的對話，並整合插件或外部API。平台負責托管與擴展，快速原型設計與部署聊天機器人、客戶支援代理或內部助手，設定簡便。

Open WebUI Pipeline for RAGFlow 為開發者和資料科學家提供一個模組化管道，用於構建檢索增強生成（RAG）應用。它支持上傳文件、使用各種LLM API計算嵌入，並將向量存儲於本地資料庫中，以高效進行相似度搜尋。該框架協調檢索、摘要和對話流程，使實時聊天界面能引用外部知識。提供可自定義提示、多模型兼容和記憶管理，幫助用戶在交互式Web UI環境中創建專用的問答系統、文件摘要器和個人AI助手。插件架構可與Oobabooga等現有本地WebUI輕鬆集成。並包括逐步配置文件，支援批次處理、對話上下文追蹤及靈活的檢索策略。開發者可以擴展管道，加入自定義模組，用於向量存儲選擇、提示鏈和用戶記憶，使其適用於研究、客戶支持及專業知識服務。

OpenAgent 提供一個完整的框架，用於開發能理解任務、規劃多步行動並與外部服務互動的自主 AI 代理。通過與 OpenAI 和 Anthropic 等 LLM 整合，實現自然語言推理和決策。平台具有可插拔的工具系統，用於執行 HTTP 請求、檔案操作和自訂 Python 函數。記憶體管理模組允許代理在會話中儲存和檢索上下文資訊。開發者可以通過插件擴展功能，配置實時串流應答，並利用內建的記錄與評估工具監控代理性能。OpenAgent簡化了複雜工作流程的編排，加速智能助手的原型設計，並確保模組化架構以支援可擴展的 AI 應用。

Universal Basic Compute 提供一個統一的環境，用於設計、訓練與部署多種工作流程中的 AI 代理。使用者可以從多個大型語言模型中選擇，配置自訂記憶存儲以提升情境意識，並整合第三方 API 與工具來擴充功能。平台會自動處理調度、容錯與擴展，同時提供即時監控與性能分析儀表板。抽象基礎架構細節，使團隊能專注於代理邏輯與用戶體驗，而非後端複雜性。

Python AGNO Memory Agent通過組織記憶於AGNO框架中，提供結構化的代理記憶方法。它利用嵌入模型將文本記憶轉換為向量表示，並存儲於可配置的向量存儲如ChromaDB、FAISS或SQLite。代理能夠新增記憶，查詢相關過往事件，更新過時條目或刪除不相關資料。該庫提供時間軸追蹤、多代理場景的命名空間記憶存儲，以及可定制的相似度閾值，並易於與流行的LLM框架集成，也可擴展為使用自定義嵌入模型以適應不同的AI代理應用。

SuperBot是一個全面的AI代理框架，使開發者能透過Python和命令列部署自主且具上下文感知的助手。它整合了OpenAI的聊天模型與記憶體系統、函數調用功能及插件架構。代理可以執行Shell命令、運行程式碼、與檔案互動、進行網路搜尋以及維持對話狀態。SuperBot支援多代理協調，以應付複雜的工作流程，全部可透過簡單的Python腳本和CLI指令設定。其擴充設計允許加入自訂工具、自動化任務，以及整合外部API，打造健壯的AI驅動應用。

AL3RT個性化利用先進的AI技術為用戶提供高度個性化的提醒和任務管理。它實時運作，根據您的上下文和偏好調整，以幫助簡化您的責任和通知。這個直觀的助手從您的行為模式中學習，確保提供的信息是相關和及時的，使您能在日常任務中保持有序和高效。

Dial4JaCa 是一個 Java 庫插件，適用於 JaCaMo 多智能體平台，攔截智能體間的訊息，編碼代理意圖，並通過 LLM 後端（OpenAI、本地模型）路由。它管理對話上下文，更新信念庫，並將回應生成整合到 AgentSpeak(L) 的推理週期中。開發者可以自訂提示語、定義對話工件以及處理異步調用，使代理能解讀使用者語句、協調任務並擷取外部資訊。其模組化設計支持錯誤處理、日誌記錄和多 LLM 選擇，非常適合研究、教育及快速原型建構對話式多智能體系統。